BOB半島大腦是已知最為復(fù)雜的系統(tǒng)，而構(gòu)建類腦的人工智能機(jī)器是人類科技的高遠(yuǎn)目標(biāo)。但怎樣利用對(duì)大腦結(jié)構(gòu)與功能的認(rèn)識(shí)，進(jìn)而構(gòu)建通用人工智能，是多個(gè)學(xué)科領(lǐng)域的長(zhǎng)期目標(biāo)。本篇綜述以「腦機(jī)類比的當(dāng)前思考——所有的隱喻都是錯(cuò)誤的，但有些是有用的」為研究主題，對(duì)收錄在 Frontiers Ecology and Evolution 特刊中的 12 篇文章進(jìn)行了詳細(xì)梳理。

　　為便于讀者理解，本文用矩陣的方式將選定的概念與對(duì)應(yīng)的文章聯(lián)系起來（見圖 1）。本期特刊的所有作者一致認(rèn)為語義學(xué)（semantics）是腦機(jī)類比辯論中的一個(gè)關(guān)鍵問題，并且對(duì)這些問題進(jìn)行了深入研究。但是，目前的研究缺乏對(duì)隱喻（metaphor）和類比（analogy）之間區(qū)別的認(rèn)識(shí)。為此，本文重新評(píng)估并描述了這一區(qū)別，并為后者提供了定義。此外，作者們還認(rèn)為有必要發(fā)展大腦的進(jìn)化理論，并為此提供了一個(gè)概述。文章以對(duì)科學(xué)創(chuàng)造力的思考作為結(jié)尾，認(rèn)為：無論是在科學(xué)還是藝術(shù)領(lǐng)域，隱喻和類比及其美學(xué)影響對(duì)于創(chuàng)造過程都至關(guān)重要。

　　關(guān)鍵詞：人工智能，類腦智能，腦機(jī)類比，隱喻與類比，大腦進(jìn)化，網(wǎng)絡(luò)科學(xué)，復(fù)雜系統(tǒng)

　　哲學(xué)家、心理學(xué)家、數(shù)學(xué)家、物理學(xué)家、計(jì)算機(jī)科學(xué)家和神經(jīng)科學(xué)家一直在比較大腦和計(jì)算機(jī)。有些作者認(rèn)為這是一種空洞的討論（他們認(rèn)為大腦“顯然是”計(jì)算機(jī)），而也有觀點(diǎn)認(rèn)為，這兩個(gè)系統(tǒng)的運(yùn)作中都有一些實(shí)例不能輕易得出結(jié)論，需要進(jìn)一步分析。研究者對(duì)腦機(jī)類比（Computer Analogy）的困惑來源于以下事實(shí)：

　　第一，許多研究人員不理解智能行為不等于信息處理器（計(jì)算機(jī)似乎利用處理器表現(xiàn)出智能行為，并不意味著「智能」和「信息處理」是等同的，這是2016 年，心理學(xué)家 Robert Epstein 在《The empty brain》中表達(dá)的觀點(diǎn)）；

　　第二，一些人認(rèn)為給大腦分配一個(gè)諸如「計(jì)算系統(tǒng)」的名稱是有局限性的，而且會(huì)扭曲我們對(duì)大腦過程的觀察，如意識(shí)和感知。

　　在這種情況下，我們認(rèn)為重新探討腦機(jī)類比仍然是非常有意義的。事實(shí)上，本期特刊所收錄的 12 篇討論腦機(jī)類比的文章都表明這個(gè)主題（或爭(zhēng)論）仍然非常活躍。

　　從一開始，我們就清楚地看到，該項(xiàng)目將以網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行組織，因?yàn)槠渲饕拍钤诓煌潭壬舷嗷リP(guān)聯(lián)。我們推斷，網(wǎng)絡(luò)結(jié)構(gòu)將有利于「信息」在節(jié)點(diǎn)（學(xué)科、方法、文章）之間交換。通過這種組織，我們能夠?qū)⒀芯繉?duì)象（大腦）和研究方法視為一個(gè)相似現(xiàn)象的兩種表現(xiàn)形式，而節(jié)點(diǎn)（思想、方法或物理實(shí)體）的網(wǎng)狀互聯(lián)則是這些連接的圖形化表達(dá)。

　　一系列作為「網(wǎng)絡(luò)節(jié)點(diǎn)」的主題和概念構(gòu)成了該項(xiàng)目的基礎(chǔ)：概念點(diǎn)（哲學(xué)）、網(wǎng)絡(luò)科學(xué)、復(fù)雜系統(tǒng)（自組織）、神經(jīng)網(wǎng)絡(luò)與計(jì)算神經(jīng)科學(xué)（人工神經(jīng)網(wǎng)絡(luò)）、計(jì)算機(jī)科學(xué)（分布式-集中式體系結(jié)構(gòu)；丘奇-圖靈論題；計(jì)算復(fù)雜度）、信息論（可靠性-誤差檢驗(yàn)；信息的效率與速度；信息不對(duì)稱）、博弈論（分布式神經(jīng)結(jié)構(gòu)；信息分布不對(duì)稱）、量子腦-量子計(jì)算機(jī)、人工智能（AI）與人工生命、理論神經(jīng)科學(xué)、大腦進(jìn)化（進(jìn)化發(fā)育）。

　　該領(lǐng)域的歷史發(fā)展告訴我們，來自網(wǎng)絡(luò)科學(xué)的知識(shí)（如 A-L. Barabasi、MEJ Newman、DJ Watts 等人的工作）有助于理解大腦如何工作、互動(dòng)、靈活地管理任務(wù)，以及突觸分布、密度和強(qiáng)度如何潛在地影響這些活動(dòng)。網(wǎng)絡(luò)進(jìn)化可以闡明神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的進(jìn)化歷史（及其控制原理；Sterling 和 Laughlin，2017）。研究者們運(yùn)用不同的方法（細(xì)胞神經(jīng)科學(xué)、計(jì)算建模、連接組學(xué)分析、神經(jīng)科學(xué)哲學(xué)等）研究網(wǎng)絡(luò)進(jìn)化，并對(duì)網(wǎng)絡(luò)在大腦功能中的角色提出了不同的觀點(diǎn)。其中，大多數(shù)研究處理一般的（大腦網(wǎng)絡(luò)的）表示問題，而新近的研究則將目光移到了信息流（路由）上。如在本期特刊的一篇論文中，D. Graham 提出互聯(lián)網(wǎng)的功能模式是理解大腦功能的一個(gè)新參考框架。

　　最后，我們很清楚大腦和計(jì)算機(jī)之間的關(guān)系涵蓋了自然科學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)和哲學(xué)等一系列廣泛的主題，因此我們需要縮小研究范圍。我們選擇不涉及意識(shí)、行為、語言和文化等領(lǐng)域。

　　在討論本期特刊中的文章（見表 1）以及它們對(duì)辯論的貢獻(xiàn)之前，我們回顧一些關(guān)鍵且必要的概念/主題：機(jī)器、科學(xué)中的隱喻和類比、大腦。在下文中，屬于本特刊的參考文獻(xiàn)以出版年份后的（*）標(biāo)識(shí)。

　　「我提議考慮這樣一個(gè)問題：『機(jī)器能思考嗎？』這應(yīng)該從定義『機(jī)器』和『思考』這兩個(gè)術(shù)語的含義開始?！梗▓D靈，1950）毫無疑問，艾倫·圖靈清楚地認(rèn)識(shí)到語義學(xué)在這方面的重要性。同樣，本期特刊的所有作者和編輯都認(rèn)為語義學(xué)（semantics）是腦機(jī)類比辯論中的一個(gè)關(guān)鍵問題。

　　作者們認(rèn)為有一些術(shù)語的當(dāng)前定義存在問題，包括「計(jì)算機(jī)」、「計(jì)算」、「遞歸」、「算法」、「可計(jì)算函數(shù)」、「機(jī)器人」、「程序」、「軟件」、「信息」、「人工智能」、「智力」、「認(rèn)知」。

　　在下文中，我們將重點(diǎn)討論兩個(gè)具體的基本問題：「機(jī)器」的定義以及「隱喻」與「類比」的區(qū)別。對(duì)于前者，在本期特刊中，Cobb 主要處理歷史上大腦的圖像，Bongard 和 Levin 表達(dá)了他們對(duì)術(shù)語「機(jī)器」的一種「過時(shí)」觀點(diǎn)的擔(dān)憂。在本文中，我們將追溯「不同種類的機(jī)器」是如何最好地代表大腦的歷史。至于后者，只有 Brette 和 Gomez-Marin 才涉及到隱喻和類比的區(qū)別。因此，我們認(rèn)為有必要對(duì)這些概念進(jìn)行更詳細(xì)的描述，并為后者提供一個(gè)修訂的定義。

　　經(jīng)過幾十年的研究，神經(jīng)科學(xué)家們形成了一個(gè)普遍的觀點(diǎn)，即大腦「是什么」取決于你如何研究它。我們生活在一個(gè)機(jī)械時(shí)代，所以我們把大腦當(dāng)作一臺(tái)機(jī)器來研究。在這種背景下，我們應(yīng)該首先問自己：機(jī)器是什么？我們對(duì)機(jī)器的看法如何隨著時(shí)間的推移而改變？在本期特刊中，Cobb和Bongard/Levin介紹了我們過去和現(xiàn)在理解機(jī)器的方式。

　　長(zhǎng)期以來，大腦被同化為某種「機(jī)器」。這一思想可以追溯到笛卡爾哲學(xué)，把機(jī)器理解為能夠執(zhí)行某些功能的任何物理系統(tǒng)。笛卡爾認(rèn)為：身體器官以純粹機(jī)械的方式運(yùn)作，他「創(chuàng)造性地」改編了以前（亞里士多德、蓋倫等）的理論。

　　多年來，機(jī)器類比的形式經(jīng)歷了許多轉(zhuǎn)變，但機(jī)械世界觀（液壓、電氣或信息）一直占主要地位。在本期特刊中，Cobb和Bongard/Levin分別回顧了一些歷史上的和人工智能最新進(jìn)展的觀點(diǎn)。有趣的是，隨著20世紀(jì)分子生物學(xué)的進(jìn)步，機(jī)器類比的視域已經(jīng)從整個(gè)組織轉(zhuǎn)向控制其不同功能的生化成分。從這個(gè)意義上講，大腦等同于由高度協(xié)調(diào)的化學(xué)成分（分子機(jī)器）組成的一鍋湯，這些化學(xué)成分使我們獲得豐富的心理體驗(yàn)。在18、19世紀(jì)之交從歐洲（尤其是德、法兩國(guó)）萌芽、并在20世紀(jì)六、七十年代迅猛發(fā)展的神經(jīng)化學(xué)，認(rèn)為關(guān)聯(lián)神經(jīng)系統(tǒng)中的化學(xué)和功能是理解大腦的最有效途徑。

　　從功能的角度來看，我們對(duì)大腦的看法經(jīng)歷了從「被動(dòng)的流體傳導(dǎo)裝置」到「主動(dòng)的信息處理裝置」的轉(zhuǎn)變。計(jì)算機(jī)（原意是一個(gè)能夠進(jìn)行「計(jì)算」操作的人）一直被理解為具有某些特性（存儲(chǔ)、檢索和處理數(shù)據(jù)的能力）的機(jī)械設(shè)備。在這個(gè)階段，我們應(yīng)該考慮到，盡管英語單詞「computer」的意思是表示可以存儲(chǔ)、檢索和處理數(shù)據(jù)的可編程機(jī)器（大英百科全書），但其他的一些羅曼語族（Romanic languages）的語言保留了計(jì)算機(jī)作為組織或計(jì)算數(shù)據(jù)集的人的原始含義（例如，法語：ordinateur和西班牙語：ordenador）?，F(xiàn)在，我們使用計(jì)算機(jī)這個(gè)術(shù)語表示一種根據(jù)一組指令來處理數(shù)據(jù)的設(shè)備（通常是電子設(shè)備），但值得記住的是Mahoney在他對(duì)計(jì)算（computing）的歷史回顧中（Mahoney，1988）給出了計(jì)算機(jī)更精確的定義：一個(gè)基本上由三部分組成的結(jié)構(gòu)。這反映了與這種「機(jī)器/設(shè)備」的性質(zhì)有關(guān)的三個(gè)歷史學(xué)科的貢獻(xiàn)（電氣工程、計(jì)算機(jī)科學(xué)和軟件工程）。此外，Mahoney在總結(jié)句中明確說明了這些貢獻(xiàn)：「數(shù)學(xué)奠定理論基礎(chǔ)、電子學(xué)使其實(shí)際可行、編程使其具有智力并讓它融入到經(jīng)濟(jì)社會(huì)當(dāng)中」。

　　隨著信息時(shí)代的到來（20世紀(jì)40年代），信息內(nèi)容和邏輯運(yùn)算被阿隆佐·邱奇（Alonzo Church）和艾倫·圖靈（Alan Turing）等邏輯學(xué)家引入，這時(shí)對(duì)大腦結(jié)構(gòu)和功能最突出的類比是計(jì)算機(jī)，即所謂圖靈機(jī)（TM）的實(shí)例。焦點(diǎn)已經(jīng)從機(jī)器的實(shí)例化（instantiation ）變?yōu)榈讓硬僮?。圖靈在他1950年的論文中將「機(jī)器」描述為「......每一種工程技術(shù)」制造的人工制品，并建議將它們與「電子計(jì)算機(jī)」或「數(shù)字計(jì)算機(jī)」等同起來，因?yàn)樗麑?duì)這些設(shè)備的歷史感興趣（圖靈，1950）。他把計(jì)算機(jī)定義為有限狀態(tài)機(jī)（一個(gè)計(jì)算的數(shù)學(xué)模型）。這里引用圖靈的一句話似乎是恰當(dāng)?shù)模?/p>

　　“一臺(tái)數(shù)字計(jì)算機(jī)通?？杀灰暈橛扇糠纸M成：（一）存儲(chǔ)[信息]......相當(dāng)于人類計(jì)算機(jī)（human computer）使用的紙張......[和]......規(guī)則書”，（二）執(zhí)行單元[進(jìn)行計(jì)算]，（三）控制[正確使用規(guī)則]。...數(shù)字計(jì)算機(jī)...屬于離散狀態(tài)機(jī)（discrete state machines）的范疇。...這種機(jī)器可以抽象地描述如下。機(jī)器的內(nèi)部狀態(tài)（由輪子的位置描述）可能是q1、q2或q3。有一個(gè)輸入信號(hào)i0或i1（杠桿的位置）。根據(jù)[規(guī)則]表，任何時(shí)刻的內(nèi)部狀態(tài)都由最后的狀態(tài)和輸入信號(hào)決定。......這些機(jī)器通過突然的跳躍或點(diǎn)擊從一個(gè)非常確定的狀態(tài)移動(dòng)到另一個(gè)狀態(tài)。......數(shù)字計(jì)算機(jī)......必須為它想要模仿的每個(gè)新機(jī)器重新編程。數(shù)字計(jì)算機(jī)的這一特殊屬性......可以概括為通用性”。

　　當(dāng)然，并不是所有的腦機(jī)隱喻都依靠傳統(tǒng)的圖靈機(jī)或馮·諾依曼架構(gòu)。例如，并行計(jì)算或量子計(jì)算等模式豐富了我們對(duì)計(jì)算機(jī)能做什么的看法。然而，關(guān)于計(jì)算和大腦功能的一個(gè)持久觀點(diǎn)強(qiáng)調(diào)了兩者都利用的并行架構(gòu)，將問題分解成更小單元并由不同組件處理，所有組件通過共享內(nèi)存進(jìn)行通信。因此，比較計(jì)算機(jī)和大腦時(shí)，一個(gè)共同的推論是：這兩個(gè)系統(tǒng)本質(zhì)上都依賴于并行處理器。這不是相似性的準(zhǔn)確表示，原因有很多：（一）大腦和計(jì)算機(jī)的獨(dú)立（計(jì)算）單元的數(shù)目具有6到7數(shù)量級(jí)的差異。（二）雖然計(jì)算機(jī)中的處理器是「通用的」，但人類大腦有專門處理不同類型輸入的特定區(qū)域。（三）大腦和計(jì)算機(jī)之間在可靠性和適應(yīng)性方面存在很大差異（這一概念與兩個(gè)系統(tǒng)中的「可重新編程性」相關(guān)），其中大腦信息處理系統(tǒng)本質(zhì)上是「噪聲（noisy）」的。這些因素似乎表明，大腦中不存在真正的并行處理，大腦和計(jì)算機(jī)中的重新編程依賴于不同的網(wǎng)絡(luò)「重新配置」策略（機(jī)器中的重新路由與生命系統(tǒng)中的神經(jīng)可塑性）。生物系統(tǒng)的適應(yīng)性（例如，腦）是從細(xì)胞和回路結(jié)構(gòu)的可塑性得到的獨(dú)特性質(zhì)，并且是控制腦神經(jīng)元集合的出生、死亡和相互連接的遺傳（genetic）和表觀遺傳（譯者注：epigenetic，指在「非DNA序列變化」情況下，遺傳信息通過某些機(jī)制或途徑，發(fā)生可保存并傳遞給子代的基因表達(dá)或細(xì)胞表型之改變）因素的結(jié)果。

　　在下文中，我們返回到處理系統(tǒng)并且提供圖靈機(jī)（TM）的「無障礙」描述，其應(yīng)當(dāng)有助于理解用于大腦的隱喻。簡(jiǎn)單地說，圖靈機(jī)，或者圖靈所稱的「自動(dòng)機(jī)器」（圖靈，1937），是數(shù)字計(jì)算機(jī)的一種抽象的、理想化的模型。機(jī)器的輸入是一串符號(hào)，每一個(gè)符號(hào)由線性磁帶上的一個(gè)單元攜帶。這臺(tái)機(jī)器擁有某種讀寫掃描頭，每次只處理一個(gè)單元。它是自動(dòng)機(jī)器（即，在任何給定時(shí)刻，其行為完全由當(dāng)前狀態(tài)和符號(hào)、以及被掃描的「配置（configuration）」確定）。它是一臺(tái)能夠進(jìn)行有限組配置的機(jī)器。有限的規(guī)則集（即，表示算法的程序）指示機(jī)器如何響應(yīng)每個(gè)符號(hào)（即：擦除、寫入、向左移動(dòng)、向右移動(dòng)、不移動(dòng)）。原則上，對(duì)于任何可計(jì)算（computable）的函數(shù)（即其值可以通過算法來計(jì)算的函數(shù)），都存在能夠計(jì)算它的圖靈機(jī)。經(jīng)邏輯推理我們可得出，一個(gè)通用圖靈機(jī)（UTM）能夠通過從磁帶上讀取相應(yīng)的規(guī)則集，模擬任何圖靈機(jī)執(zhí)行不同的任務(wù)。這就是可編程計(jì)算機(jī)（programmable computer）的理論模型。

　　給出圖靈機(jī)的定義后，很快就可以清楚地看到，大腦（或心智）可以等同于一個(gè)與圖靈機(jī)非常相似的計(jì)算系統(tǒng)，并且許多心理過程與圖靈機(jī)執(zhí)行的計(jì)算非常相似。一些作者認(rèn)為，這種將大腦與圖靈機(jī)等同起來的立場(chǎng)非常強(qiáng)硬，因此被稱為「硬立場(chǎng)（hard position）」。

　　這一「硬立場(chǎng)」受到了其他作者的批評(píng)，批評(píng)者認(rèn)為，無論是從大腦的物質(zhì)組成和還是運(yùn)行原理上來講，大腦都不能等同于圖靈機(jī)（除了兩者進(jìn)行算術(shù)運(yùn)算的方式）。我們不打算在這里深入探討這個(gè)問題，只想強(qiáng)調(diào)圖靈機(jī)在過去80年里所產(chǎn)生的巨大影響，正如計(jì)算神經(jīng)科學(xué)家（并非所有）所堅(jiān)持的那樣，他們認(rèn)為大腦就是計(jì)算機(jī)（作為圖靈工作）。當(dāng)神經(jīng)科學(xué)家們意識(shí)到神經(jīng)元在以「全有或全無」的方式執(zhí)行其生理功能，即激發(fā)動(dòng)作電位時(shí)，這個(gè)模型就得到了證實(shí)。1943年，Warren McCulloch和Walter Pitts認(rèn)為大腦中的神經(jīng)回路是邏輯門電路?，F(xiàn)代神經(jīng)科學(xué)揭示了更復(fù)雜的放電模式和放電調(diào)控模式，為最初的麥卡洛克-皮茨觀點(diǎn)增加了細(xì)微的差別。

　　在比較計(jì)算機(jī)和大腦時(shí)，語義問題常常以這樣或那樣的形式被提出來。特別是，在80年代約翰·塞爾（John Searle）問的問題：「一臺(tái)機(jī)器真的能被稱為智能嗎？」（Searle，1984）。這一問題包含在著名的「中文房間（Chinese room）」思想實(shí)驗(yàn)中。這個(gè)實(shí)驗(yàn)表明，不管你怎樣編寫計(jì)算機(jī)程序，計(jì)算機(jī)還是不懂中文；它只是模仿知識(shí)，因此這種行為不能等同于智力。塞爾認(rèn)為，他的思想實(shí)驗(yàn)強(qiáng)調(diào)了這樣一個(gè)事實(shí)，即計(jì)算機(jī)僅僅使用句法規(guī)則來操縱符號(hào)序列，而沒有理解它們的含義?！负x（meaning）」的問題在這里沒有進(jìn)一步探討，盡管我們認(rèn)可它的研究?jī)r(jià)值。塞爾的主要結(jié)論是，通過圖靈測(cè)試并不足以作為他所提出問題的答案。

　　總而言之，盡管腦-機(jī)類比在歷史上有過好運(yùn)，也有過不幸，但這種「隱喻」的使用還是很普遍的，這一點(diǎn)的證明可以在本期特刊的不同論文中找到。這個(gè)問題仍然很有價(jià)值，可以進(jìn)一步討論。

　　關(guān)于隱喻（metaphor）和類比（analogy）的定義，盡管在科學(xué)和人文學(xué)科中有大量的文獻(xiàn)致力于研究它們，但這些概念仍然是混亂的，這一點(diǎn)去看看他們?cè)谟⒄Z詞典和百科全書中的定義就能發(fā)現(xiàn)BOB半島。一個(gè)生動(dòng)的例子來自韋氏大詞典（Merriam-Webster Collegiate Dictionary），其中隱喻被定義為「一種修辭方式，用一個(gè)詞或短語表示一種物體或想法，以暗示它們之間的相似性或類比?！?/p>

　　這兩個(gè)概念的定義在人類知識(shí)庫(kù)的不同分支中得到了「調(diào)整」。這里我們只討論（西方）科學(xué)思想中隱喻和類比的含義。我們將在以下章節(jié)中看到，在科學(xué)界和本期特刊中，隱喻和類比被當(dāng)作同義詞，盡管它們存在差別。正因如此，我們?cè)谝浴赌X機(jī)類比的當(dāng)前思考——所有的隱喻都是錯(cuò)誤的，但有些是有用的》的研究課題中，有意且挑釁性地將隱喻和類比作為同義詞使用；而正是在科學(xué)中，兩個(gè)詞的區(qū)別更為明顯。這就是本節(jié)詳細(xì)討論這一問題的理由。

　　值得注意的是，一些人認(rèn)為隱喻和類比對(duì)于科學(xué)是無足輕重的，另一些人則聲稱隱喻和類比對(duì)科學(xué)創(chuàng)造力至關(guān)重要（本文支持后者）。根據(jù)Ziman的說法，「......科學(xué)理論不可避免地帶有隱喻性」（Ziman，2000），有人認(rèn)為它們是「人類擴(kuò)展自身知識(shí)邊界的能力的基礎(chǔ)」（Yohan，2012）。此外，隱喻和類比推理的能力是人類認(rèn)知的重要組成部分。不可否認(rèn)，隱喻和類比是傳播知識(shí)的一種強(qiáng)有力的方式，因而也是教育和學(xué)習(xí)的一種有力工具。想想在我們自己的教學(xué)經(jīng)驗(yàn)中，我們有多少次使用隱喻向?qū)W生傳達(dá)概念（Kovac，2003）。隱喻和類比可以指導(dǎo)科學(xué)發(fā)現(xiàn)、假設(shè)和理論，并且在使世界理解科學(xué)語言方面也發(fā)揮著重要作用。正如Kuhn所說“隱喻在建立科學(xué)語言和世界之間的聯(lián)系方面起著至關(guān)重要的作用”，但關(guān)鍵的是，”......然而，這些聯(lián)系不是一勞永逸的”（Kuhn，1993）。那么，選擇“正確的”隱喻可被視為科學(xué)家/教師工作的一部分，最終成為一種藝術(shù)形式（Haack，2019）。鑒于我們對(duì)大腦的討論與隱喻和類比關(guān)系密切，在下文中，我們將更詳細(xì)地討論它們。

　　關(guān)于隱喻的文獻(xiàn)鋪天蓋地，定義也很多。Robert R. Hoffman 認(rèn)為科學(xué)隱喻以各種不同的形式出現(xiàn)，具有各種不同的功能，并列出了相當(dāng)詳盡的清單（Hoffman，1985）。一個(gè)例子是“知識(shí)樹（Tree of Knowledge）”。幾個(gè)世紀(jì)以來，知識(shí)樹有著各種各樣的風(fēng)格，它們超出了科學(xué)范疇，可以說是人類文明的基礎(chǔ)隱喻（Lima，2014）。而且，對(duì)于進(jìn)化生物學(xué)家（如本文的兩位作者）來說，幾乎沒有比生命樹更基本的隱喻了，達(dá)爾文和他之前的拉馬克（Lamack，1809）曾用它來說明進(jìn)化論，并在“分化分類群圖”（Diagram of diverging taxa，Darwin，1859）中進(jìn)行了描述（第6版中的116 - 117）。事實(shí)上，樹的比喻一直被用于進(jìn)化生物學(xué)。然而，值得注意的是，在不到三十年前，基于對(duì)物種間基因流動(dòng)現(xiàn)象的進(jìn)化影響的重新認(rèn)識(shí)（又名：水平/垂直基因轉(zhuǎn)移 Horizontal/Lateral Gene Transfer），一個(gè)解釋物種的多樣性的新隱喻出現(xiàn)了：生命網(wǎng)絡(luò)（The Network of Life）。順便提到的是，事實(shí)上，網(wǎng)絡(luò)隱喻的提出早于生命樹的隱喻。前者在1750年由Vitaliano Donati提出，后者則在1776年由Pallas提出。在進(jìn)化生物學(xué)中使用樹和網(wǎng)絡(luò)的例子在這里被特別提及，以強(qiáng)調(diào)這兩種隱喻的互補(bǔ)性；我們認(rèn)為這一立場(chǎng)在本綜述中是關(guān)鍵的，因?yàn)闃浜途W(wǎng)絡(luò)都被用于模擬我們對(duì)大腦及其進(jìn)化的想法（見第3節(jié)）。

　　至于科學(xué)中隱喻的定義，為簡(jiǎn)潔起見，我們挑出其中兩個(gè)（JC Maxwell, 以及Lakoff & Johnson），并輔以三個(gè)說明性的例子，以便更好地理解。

　　詹姆斯·克拉克·麥克斯韋（James Clerk Maxwell）寫道：「我們把一門熟悉的科學(xué)的語言和思想遷移（transfer）到一門我們不太熟悉的科學(xué)中去的修辭或思維方式，可以稱為科學(xué)隱喻?！惯@指的是隱喻的「邏輯語義學(xué)」觀點(diǎn)，在科學(xué)和日常生活中大量使用。

　　然而，在Lakoff和Johnson的經(jīng)典定義中，也引入了「映射（mapping）」的概念。他們說：「隱喻的本質(zhì)是用一種事物來理解和體驗(yàn)另一種事物」（Lakoff和Johnson，1980），同時(shí)也引入了不同的觀點(diǎn)，即「隱喻是我們理解抽象概念和進(jìn)行抽象推理的主要機(jī)制......隱喻是跨概念域（conceptual domains）的映射」（Lakoff，1993a）。因此，隱喻「成為」概念工具（以幫助理解）。正如Humar所說：「隱喻通過將屬性從一個(gè)映射到另一個(gè)來連接兩個(gè)域。因此，隱喻是一種轉(zhuǎn)移行為...... [其中] ...... Lakoff和Johnson引入了關(guān)鍵術(shù)語『目標(biāo)（target）』和『來源（source）』......例如，生物學(xué)隱喻『基因是文本』將來源『文本』和目標(biāo)『基因』聯(lián)系起來」（Humar，2021）。Black（1962）指出，在這種情況下，《牛津英語詞典》對(duì)隱喻的“標(biāo)準(zhǔn)化”描述與上述描述是多么的相似：「（隱喻是）一種修辭方式，將一個(gè)名稱或描述性詞語轉(zhuǎn)移至與其本來適用的對(duì)象不同但類似的另一個(gè)對(duì)象；這種修辭方式的一個(gè)例子就是隱喻表達(dá)?！?/p>

　　有趣的是，「metaphora」一詞的詞源源于古希臘名詞「metaphora」（μεταφορ?），而「metaphora」又是由動(dòng)詞「metaphere」（μεταφ?ρειν）衍生而來，原意是「轉(zhuǎn)移（transfer）」、「轉(zhuǎn)化（transform）」，或由μετα（超過 over，超越 beyond）和πηερειν（攜帶 to carry）衍生。這完全取決于我們?cè)谏鲜龆x中「轉(zhuǎn)移」或「攜帶超越」的含義。更確切地說，我們可以問：轉(zhuǎn)移的是什么？

　　在深入研究下一個(gè)相關(guān)的類比概念之前，我們需要考慮另一個(gè)經(jīng)常與隱喻聯(lián)系在一起或被比作隱喻的相當(dāng)有問題的術(shù)語：「模型（model）」的概念。通常，在科學(xué)文獻(xiàn)中，模型和隱喻之間沒有明確的區(qū)別。但我們認(rèn)為，為了明確起見，需要作出區(qū)分。與隱喻相反，模型（概念模型）的語義范圍較窄，它作為系統(tǒng)的假設(shè)性表示，其目的是模擬和理解現(xiàn)實(shí)（例如，生物模型）。而且，「......一個(gè)模型，在其詞源和技術(shù)意義上，是一個(gè)實(shí)質(zhì)性的東西，它是其他東西的最好或理想的代表?！改Ｐ汀挂辉~的所有其他用法都是這一基本含義的隱喻延伸」（Hoffman，1985）。因此，我們將模型視為旨在理解和預(yù)測(cè)特定模式（pattern）的方法或表示。

　　在本節(jié)的末尾，我們希望提出一種隱喻「概念」，該概念不需要但接受映射概念的使用（參見下文1.6節(jié)）。我們腦海中的隱喻類型是建立在視覺感知的基礎(chǔ)上的。視覺圖像是科學(xué)洞察力的驅(qū)動(dòng)力，并提供教育力量。作為一個(gè)例子，我們確定了三個(gè)最能說明這一思想的隱喻：Wright（1931）的《適應(yīng)性景觀（Adaptive Landscapes）》、沃丁頓Waddington（1957）的《表觀遺傳景觀（Epigenetic Landscapes）》以及Davidson and Peter（2015）的《基因調(diào)控網(wǎng)絡(luò)（Gene Regulatory Network ）》。關(guān)于科學(xué)中隱喻的使用及其危險(xiǎn)和陷阱，我們可以參考Reynolds（2022）的優(yōu)秀新書。

　　隱喻可能是「類比」（和「相似性」）的來源，并可能指導(dǎo)模型的構(gòu)建。在《牛津英語詞典》給出的類比定義中，包括以下內(nèi)容：（a）比較兩件事物，通常是為了解釋或澄清；（b）生物學(xué)：具有不同進(jìn)化起源的器官之間的功能相似性。我們?cè)谶@里的重點(diǎn)是第一種，更一般的定義。

　　Atran（1990）將這個(gè)概念追溯到亞里士多德，他試圖比較人、動(dòng)物和植物的結(jié)構(gòu)和功能；「... 亞里士多德的生命形式是通過擁有具有同樣基本功能的類似器官來區(qū)分和聯(lián)系的?！诡愃频兀惐雀拍钤诒容^解剖學(xué)中于1843年被引入，并被定義為「一種動(dòng)物中的某個(gè)部位或器官與另一種動(dòng)物中的另一個(gè)部位或器官具有相同功能」（Owen，1843）。Atran 提出類比概念的更一般化版本，并提到了牛頓的「自然類比」概念（同上，第232頁(yè)），指出這個(gè)類比「...結(jié)合了兩個(gè)舊觀念：神學(xué)的『存在鏈（Chain of Being）』，自然（Nature）通過它尋求神的完美，以及宏觀世界和微觀世界中因果模式的統(tǒng)一?！?/p>

　　然而，正是在Mary Hesse（1970）詳細(xì)描述科學(xué)模型和類比的經(jīng)典著作中，她想象了兩位科學(xué)家之間的對(duì)話：Campbellian 認(rèn)為類比和「某種意義上的模型對(duì)于科學(xué)理論的邏輯是必不可少的」，而Duhemist則否認(rèn)這一點(diǎn)。Campbellian 者將類比分為三種類型：正向、負(fù)向和中性。兩個(gè)物理對(duì)象或系統(tǒng)具有正向類比，是基于它們共同的「屬性」：「例如，地球和月球。兩者都是大的、堅(jiān)實(shí)的、不透明的、球形的物體，從太陽接收熱和光，...」然而，這些物體在許多方面可能存在差異：「另一方面，月球比地球小，更具火山性質(zhì)，沒有大氣層和水...它們之間存在負(fù)向類比?！?中性類比是「模型的屬性，我們尚不確定它們是正向類比還是負(fù)向類比。」請(qǐng)注意，Campbellian 也關(guān)注語義：「但首先讓我們就「模型」這個(gè)詞的含義達(dá)成一致?！挂虼?，Hesse 告訴我們，類比可以具有特定的「價(jià)值(value)」：正向、負(fù)向或中性。

　　Humar提出了「結(jié)構(gòu)隱喻」和「功能隱喻」的二分法 (dichotomy)。實(shí)際上，「功能隱喻強(qiáng)調(diào)源語和目標(biāo)語之間的功能相似性，在古代科學(xué)文獻(xiàn)中也有類似的表述」（2021）。Gentner和Jezioreski（1993）也認(rèn)為，任何類比概念的使用都貫穿著一個(gè)基本思想：「類比的核心思想是將知識(shí)從一個(gè)領(lǐng)域（基礎(chǔ)，the base）映射到另一個(gè)領(lǐng)域（目標(biāo)，the target），使得在基礎(chǔ)對(duì)象之間存在的關(guān)系系統(tǒng)也存在于目標(biāo)對(duì)象之間。在解釋類比時(shí)，人們?cè)噲D將基礎(chǔ)對(duì)象與目標(biāo)對(duì)象一一對(duì)應(yīng)，以獲得最大的結(jié)構(gòu)匹配?！勾送猓琀offman將這兩個(gè)概念的區(qū)別視為雞生蛋問題，將類比視為「心理的蛋」，將隱喻視為「雞」（Hoffman，1985，第348頁(yè)）。

　　最后，我們建議在科學(xué)中使用兩種判斷標(biāo)準(zhǔn)（結(jié)構(gòu)和功能）定義類比，并將功能指定為其最具特色的屬性。這樣一來，我們所定義的類比就能與Lakoff-Johnson的隱喻定義以及其相關(guān)的「轉(zhuǎn)移」行為聯(lián)系起來。我們認(rèn)為這個(gè)類比的定義在這里更為相關(guān)（具有實(shí)際意義），因?yàn)殡[喻并不旨在為特定問題提供解決方案，它們沒有解釋能力。相反，類比確實(shí)具有解釋能力，并使我們能夠根據(jù)通過建立連接，基于從另一個(gè)系統(tǒng)所獲得的知識(shí)理解給定系統(tǒng)的結(jié)構(gòu)/功能。一個(gè)說明類比「解釋作用」的典型例子是在不同學(xué)科之間轉(zhuǎn)移的主題（Ziman，2000）的例子，例如從信息論到分子遺傳學(xué)的「代碼（code）」概念。

　　本特刊的一個(gè)關(guān)鍵概念顯然是「大腦」，但如何定義大腦呢？根據(jù)《大英百科全書（Encyclopedia Britannica）》的簡(jiǎn)單定義，大腦是「生物體前端的神經(jīng)組織團(tuán)塊」。大腦整合感官信息并指導(dǎo)運(yùn)動(dòng)反應(yīng)。雖然這主要代表了脊椎動(dòng)物的情況，但用神經(jīng)元代替神經(jīng)仍然是一個(gè)有效的論斷。作為集中結(jié)構(gòu)的大腦是古老的，可以追溯到埃迪卡拉紀(jì)（Ediacaran，5.71億至5.39億年前）的兩側(cè)對(duì)稱動(dòng)物的起源（Martinez和Sprecher，2020）。在幼蟲/動(dòng)物的一個(gè)極點(diǎn)中神經(jīng)元的聚合，可以實(shí)現(xiàn)更好的集中功能協(xié)調(diào)，從這個(gè)意義上說，大腦也被等同于「中央處理單元」（CPU）。大腦是如何實(shí)現(xiàn)中央化的以及促使它們出現(xiàn)的條件已經(jīng)被討論過（同上），這里不需要再討論。

　　幾個(gè)世紀(jì)以來，我們對(duì)大腦的理解發(fā)生了徹底的變化，主要是由于對(duì)它們的物理組成部分和工作方式缺乏正確的理解。各種解釋使用了符合所處時(shí)代機(jī)械世界的隱喻（見Cobb在此特刊中的歷史梳理）。最近，隨著計(jì)算設(shè)備的實(shí)例化和信息時(shí)代的崛起，計(jì)算和信息處理成為我們思考大腦及其活動(dòng)的參考標(biāo)的。目前的觀點(diǎn)始于20世紀(jì)初，當(dāng)時(shí)人們?cè)陲@微鏡下系統(tǒng)地分析了大腦組織。孤立的細(xì)胞形成的神經(jīng)網(wǎng)絡(luò)支持了將大腦視為一臺(tái)「機(jī)器」來計(jì)算和處理信息的觀點(diǎn)。

　　大腦連接（神經(jīng)元和亞結(jié)構(gòu)）的復(fù)雜性表明了大腦實(shí)際上是一組連通的電線，具有復(fù)雜的架構(gòu)（Cobb，2020）。此外，化學(xué)和電學(xué)連接的發(fā)現(xiàn)樹立了大腦作為一個(gè)巨大的電氣設(shè)備的形象，它具有復(fù)雜的開關(guān)機(jī)制。正是信息時(shí)代中出現(xiàn)的第一批能夠「計(jì)算」的設(shè)備才導(dǎo)致了大腦新模型的提出。大腦除了進(jìn)行電脈沖傳導(dǎo)外，還被同化（assimilate）為一個(gè)復(fù)雜的計(jì)算設(shè)備。

　　神經(jīng)元的綜合模型（integrative model）是由控制論/神經(jīng)生理學(xué)先驅(qū) Warren McCulloch和數(shù)學(xué)家Walter Pitts（以及其他人）發(fā)展的。McCulloch的控制論使用邏輯和數(shù)學(xué)來開發(fā)神經(jīng)網(wǎng)絡(luò)模型，以體現(xiàn)大腦的功能（Pitts and McCulloch, 1947）。模型的準(zhǔn)確性成為辯論的主題，本期特刊中的一些論文也提到了這個(gè)問題（例如，Davis，2021*；Fraser，2021年*）。關(guān)于信息如何被處理、神經(jīng)元通信的速度、神經(jīng)元在整合輸入方面的作用、信息的路由以及神經(jīng)元發(fā)放模式和大腦活動(dòng)（即心理活動(dòng)）之間的相關(guān)性的思想，都為關(guān)于使用「計(jì)算機(jī)」隱喻來理解神經(jīng)科學(xué)的不同方面的有效性的辯論做出了貢獻(xiàn)。這個(gè)辯論今天仍然像過去一樣活躍。

　　器官的活動(dòng)作為特性「定義」了隱喻的范圍和內(nèi)容，這是使用特定器官系統(tǒng)的隱喻的基礎(chǔ)。從這個(gè)意義上講，大腦被比作計(jì)算機(jī)，因?yàn)楦鶕?jù)某些作者的說法，它們實(shí)際上正在執(zhí)行「計(jì)算」操作（Chirimuuta，2022*）。然而，對(duì)于該隱喻的使用，并沒有形成統(tǒng)一意見（在Gomez-Marin和Graham的本期特刊中的文章也探討了其他隱喻），這已經(jīng)引起了關(guān)于在神經(jīng)科學(xué)中使用某些特定隱喻的意義性的激烈辯論（請(qǐng)參見本文的后續(xù)討論）。

　　對(duì)大腦及其功能進(jìn)行建模的關(guān)鍵問題，與信息流的本質(zhì)以及輸入信號(hào)如何轉(zhuǎn)化為輸出行為（包括路由問題）相關(guān)（Graham, 2022*）。這和大腦與線性處理器的工作方式不同的觀點(diǎn)有關(guān)。在這種情況下，從輸入數(shù)據(jù)到輸出實(shí)現(xiàn)（行為）的信息流并不是單向的。另有觀點(diǎn)認(rèn)為，大腦的輸出是某些「涌現(xiàn)性質(zhì)」的結(jié)果（emergent properties，譯注：涌現(xiàn)性質(zhì)是指在許多組分合作下出現(xiàn)的新的、高層次的物理化學(xué)屬性或現(xiàn)象，而這些屬性或現(xiàn)象是組分個(gè)體不具備的），這些涌現(xiàn)性質(zhì)并不能由原始輸入通過線性變換得出。不同的大腦物理模型無法解決的一些問題，與人類大腦的自我參照（self-reference）能力，或更一般地說，我們對(duì)自己存在的意識(shí)有關(guān)。這些問題不容易被涌現(xiàn)模型解決。在本期特刊中，F(xiàn)raser 等人展示了自我參照模型在計(jì)算機(jī)科學(xué)中的復(fù)雜性。再次強(qiáng)調(diào)，數(shù)學(xué)上的描述和可觀測(cè)的現(xiàn)實(shí)并不容易進(jìn)行比較。

　　在本節(jié)中，我們對(duì)本期特刊中的12篇文章（見表1）進(jìn)行了總結(jié)，其中除一篇外，其他每篇文章都得到了通訊作者的認(rèn)可。

　　我們?cè)趫D1中展示了一幅圖片，可以看作是整個(gè)期刊的一個(gè)快照。它基于我們?nèi)我膺x擇的20個(gè)概念（關(guān)鍵詞），用[0,1]矩陣的方式表現(xiàn)論文中涉及的概念。這種表示方法的有用性不言自明。

　　我們選擇Matthew Cobb的文章作為本期特刊的開篇，他對(duì)幾個(gè)世紀(jì)以來用來描述大腦并試圖理解其功能的隱喻進(jìn)行了梳理。

　　在本期特刊的開篇文章中，優(yōu)秀著作《The Idea of the Brain》（2020）的作者M(jìn)atthew Cobb詳細(xì)介紹了大腦「線路圖」（wiring diagram）隱喻的發(fā)展史，并探討了它與相關(guān)隱喻在過去兩個(gè)世紀(jì)對(duì)大腦概念的影響。

　　Cobb 認(rèn)為使用隱喻來描述腦功能的記載始于18世紀(jì)，源于力學(xué)以及電學(xué)（電報(bào)）的發(fā)現(xiàn)。他認(rèn)為，到了19世紀(jì)末期，「電話交換機(jī)的出現(xiàn)，信息得以靈活路由」，這是一個(gè)明顯的轉(zhuǎn)變。到了20世紀(jì)，「動(dòng)物體和計(jì)算機(jī)的兩種線路圖形成了對(duì)線世紀(jì)，旨在完整描述中樞神經(jīng)系統(tǒng)結(jié)構(gòu)連接的連接組（connectomic）項(xiàng)目成為了焦點(diǎn)。Cobb主要批評(píng)這些方法，因?yàn)樗鼈儺a(chǎn)生了神經(jīng)系統(tǒng)的靜態(tài)表示。他認(rèn)為，我們應(yīng)該從控制特定行為的小型回路開始，逐步推進(jìn)到整個(gè)神經(jīng)元連接圖譜。他以龍蝦的胃為例，這個(gè)過程由幾個(gè)神經(jīng)元控制，且已經(jīng)被研究了很長(zhǎng)時(shí)間，但我們?nèi)匀粵]有完全理解其機(jī)制。此外，Cobb 指出，僅憑基因組序列本身無法解釋相應(yīng)有機(jī)體的「功能」，同樣「……線路圖本身也無法解釋人類大腦的運(yùn)作」。

　　Cobb 提到了被認(rèn)為是最新的一種大腦功能隱喻的「云計(jì)算或互聯(lián)網(wǎng)」。一方面，他承認(rèn)「……它將可塑性和分布式功能融入了我們對(duì)大腦的概念中」，另一方面，他指出，在考慮到魯棒性（robustness）概念時(shí)，它也有其局限性：「互聯(lián)網(wǎng)被設(shè)計(jì)成即使移除了關(guān)鍵部分仍然能夠運(yùn)行，而大腦功能的某些方面如果特定區(qū)域受損則會(huì)受到?jīng)Q定性的破壞。」有趣的是，這種互聯(lián)網(wǎng)隱喻將在David Graham在本特刊中的最后一篇文章中得到詳細(xì)探討。

　　作為一個(gè)警示，Cobb 警告我們使用這些隱喻研究大腦功能的局限性，主要是「……由于大多數(shù)神經(jīng)系統(tǒng)的可塑性和分布式功能?！勾竽X可塑性的概念是本專題的核心，暗示了個(gè)體在其生命中表現(xiàn)出的神經(jīng)系統(tǒng)可塑性與學(xué)習(xí)和記憶獲取過程有關(guān)。

　　接下來的三篇文章涉及概念問題，由A. Gomez-Marin、M. Chirimuuta和R. Brette撰寫。他們解決的問題是是否有任何基礎(chǔ)來比較大腦和計(jì)算機(jī)。他們以不同的方式通過質(zhì)疑計(jì)算機(jī)是什么、如何加以描述以及這些描述及其相關(guān)隱喻在我們對(duì)大腦和計(jì)算機(jī)的當(dāng)前理解中的限制來回答這個(gè)問題BOB半島。

　　Gomez-Marin向我們介紹了認(rèn)知科學(xué)家George P. Lakoff和Mark Johnson所著的著名書籍《我們賴以生存的隱喻（Metaphors we live by）》(1980)。在這部開創(chuàng)性的作品中，作者對(duì)隱喻的本質(zhì)進(jìn)行了詳細(xì)的分析，認(rèn)為隱喻曾經(jīng)被視為僅僅是「語言工具」(語義)，而實(shí)際上它們是大多數(shù)「概念建構(gòu)」，能夠塑造我們的思維和行為方式。從某種意義上說，正如Gomez Marin所指出的，隱喻的語義角色是次要的，而它們的概念 (認(rèn)知) 本質(zhì)則更為重要。根據(jù)Lakoff (1993b) 的說法，隱喻映射（從一個(gè)概念領(lǐng)域到另一個(gè)概念領(lǐng)域）的進(jìn)行獨(dú)立于它們的語言表達(dá)，因此要優(yōu)先考慮它們的認(rèn)知功能，而不是語言表達(dá)的結(jié)構(gòu)。換句話說，隱喻的概念結(jié)構(gòu)比語言結(jié)構(gòu)更為重要。

　　在這個(gè)背景下，Gomez-Marin重新審視了計(jì)算機(jī)和大腦的比喻。經(jīng)過對(duì)大腦和計(jì)算機(jī)最普遍的視覺形象進(jìn)行簡(jiǎn)要的歷史回顧，Gomez-Marin讓我們關(guān)注到例如全息圖和收音機(jī)等較少被提及的大腦形象。其中，「收音機(jī)」的形象代表著一個(gè)有趣的可能性，即「大腦不會(huì)創(chuàng)造思想，只能接收和過濾它們?！?/p>

　　在最后，Gomez-Marin總結(jié)了他對(duì)隱喻的評(píng)價(jià)，并建議我們將它們作為實(shí)用工具應(yīng)用，但需要時(shí)刻保持警惕，避免陷入「隱喻單一文化（metaphorical monoculture）」，否則將成為「負(fù)擔(dān)（burden）」，而非「祝福（blessing）」。

　　Chirimuuta評(píng)論了不同作者的觀點(diǎn)，即多層次方法可以使大腦和計(jì)算機(jī)（或其他復(fù)雜工具）變得易于處理。這些方法使用自上而下的系統(tǒng)功能特征來補(bǔ)充自下而上的還原主義（reductionist）策略。重要的假設(shè)是：大腦可被分解為相對(duì)自治的組織層次，類似于計(jì)算機(jī)可被分解為硬件和軟件。

　　然而，盡管這個(gè)比喻很有吸引力，Chirimuuta認(rèn)為還需要考慮一些限制因素。（1）底層組件（腦中的神經(jīng)元）在腦信息處理中不僅僅是“硬件實(shí)現(xiàn)者”。在計(jì)算機(jī)中，維護(hù)機(jī)器物理完整性和執(zhí)行信息處理任務(wù)的元素是不同的。而這種分離在大腦中是否存在還遠(yuǎn)未清楚。（2）計(jì)算機(jī)和其他制品的組裝方式也不同。雖然計(jì)算機(jī)的設(shè)計(jì)可以確保高級(jí)功能相對(duì)獨(dú)立于硬件的變化，但大腦的功能可能很大程度上取決于低級(jí)別的細(xì)節(jié)，這些細(xì)節(jié)通常被認(rèn)為與認(rèn)知無關(guān)。有趣的是，這兩種選擇又被認(rèn)為是兩種建構(gòu)方法的產(chǎn)物：對(duì)于計(jì)算機(jī)/制品來說是工程學(xué)，對(duì)于大腦來說進(jìn)化。然而，Chirimuuta擔(dān)心復(fù)雜生物系統(tǒng)的構(gòu)建和功能（如大腦）被過度簡(jiǎn)化。

　　Brette和Richards/Lillicrap（見下文）探討的核心問題是一個(gè)語義問題，他們問道「計(jì)算機(jī)是什么？」Brette指出，在通俗和技術(shù)用語中，「計(jì)算機(jī)」被認(rèn)為是一種「可編程機(jī)器」。然后，他指出，在計(jì)算機(jī)科學(xué)中沒有計(jì)算機(jī)的正式定義，但他讓我們關(guān)注「程序」這個(gè)概念，它被定義為「一組明確的指令，事先完全指定了系統(tǒng)的行為（『pro-』表示之前；『-gram』表示寫入）」。

　　此外，Brette對(duì)算法和大腦計(jì)算的概念的討論十分得當(dāng)。從進(jìn)化和哲學(xué)的角度來看，有兩個(gè)深刻的問題與該概念有關(guān)：「大腦程序（brain program）是什么？」和「誰來『編程』大腦？」。這些問題的推理似乎導(dǎo)致了一個(gè)邏輯結(jié)果：「……大腦可能不是計(jì)算機(jī)，因?yàn)樗皇钦嬲删幊痰摹！?Brette提供了隱喻和類比的定義，并得出結(jié)論，認(rèn)為大腦-計(jì)算機(jī)的隱喻似乎沒什么用處，甚至是誤導(dǎo)性的，因?yàn)樗峁┝艘环N簡(jiǎn)化認(rèn)知和行為的觀點(diǎn)。這個(gè)結(jié)論與Richards和Lillicrap的觀點(diǎn)形成了鮮明的對(duì)比。

　　下一篇論文涉及與大腦-計(jì)算機(jī)比較的其他一些問題。這些問題可能涉及語義誤解（該領(lǐng)域的正式定義）或有關(guān)計(jì)算機(jī)或大腦所能做的導(dǎo)致誤解的假設(shè)。Bongard和Levin以及Richards和Lillicrap的論文涉及影響所有定義的根本問題。概念的定義很大程度上帶有產(chǎn)生它們的領(lǐng)域（例如計(jì)算機(jī)科學(xué)、工程學(xué)或神經(jīng)生物學(xué)）的烙印。這種束縛影響了我們構(gòu)思計(jì)算機(jī)或大腦所能做的可能性的方式。這里，大腦、計(jì)算機(jī)和機(jī)器是被詳細(xì)分析的三個(gè)例子。接下來的三篇論文，由Fraser等人、Roli等人和Danchin/Fenton撰寫，明確闡述了軟件（算法運(yùn)行）以及大腦和計(jì)算機(jī)如何處理信息。所有作者都討論了人工智能能夠在多大程度上復(fù)制生物體的行為。盡管對(duì)人工智能的潛力存在普遍的樂觀態(tài)度，這些作者引入了一些注意事項(xiàng)；這些注意事項(xiàng)不由得使人們質(zhì)疑機(jī)器「模仿」人類行為的可能性。「智能體（Agency）」和「自我參照」成為明顯的絆腳石。本節(jié)的最后一篇論文由Davis撰寫，提出了由這種類比所引發(fā)的一系列問題，并詢問自己（以及該領(lǐng)域的研究者）這些問題在多大程度上得到了回答，以及答案將對(duì)辯論產(chǎn)生何種影響。

　　長(zhǎng)期以來，人們一直認(rèn)為生命和機(jī)器是根本不同的實(shí)體，前者不能歸結(jié)（reduce）為后者（Nicholson，2013）。Bongard和Levin 認(rèn)為，這種二分法大多基于一種舊的機(jī)器概念，即17到19世紀(jì)的觀念，這種觀念沒有考慮到人工智能、生物工程等學(xué)科的現(xiàn)代發(fā)展。在這種背景下，作者重新審視這個(gè)問題，并問：「一個(gè)合適的機(jī)器隱喻是否足夠適用于生物學(xué)以促進(jìn)實(shí)驗(yàn)和概念進(jìn)展？」理解這個(gè)問題的路徑，要從明確定義機(jī)器以及它們的特性開始，再到批判性地評(píng)估現(xiàn)代科技告訴我們的這些特性。這些特性是否明確區(qū)分了活的（alive，或進(jìn)化的evolved）和工程的（engineered）「事物」之間的差異？作者提到，上述學(xué)科的現(xiàn)代發(fā)展使得這兩個(gè)「系統(tǒng)」之間的清晰分隔越來越難以維持，且隨著現(xiàn)代工程學(xué)的進(jìn)展，邊界變得更加模糊。作者強(qiáng)調(diào)，對(duì)生命體所關(guān)聯(lián)的特性進(jìn)行分析后新開發(fā)的機(jī)器清楚地表明，曾經(jīng)被認(rèn)為是明顯不同的系統(tǒng)之間的界限現(xiàn)在變得模糊了。在最后，他們?cè)噲D對(duì)機(jī)器（machine）提供一個(gè)新的工作定義（working definition，意為發(fā)展中的定義），以容納我們獲得的所有新見解。

　　Richards和Lillicrap強(qiáng)調(diào)了一個(gè)事實(shí)，即不同的學(xué)科對(duì)「計(jì)算機(jī)」的定義不同，具體而言，他們將計(jì)算機(jī)科學(xué)中使用的定義與計(jì)算機(jī)科學(xué)之外的學(xué)科中使用的定義進(jìn)行了對(duì)比。根據(jù)這個(gè)論點(diǎn)，關(guān)于大腦-計(jì)算機(jī)隱喻的大部分爭(zhēng)論只是語義上的分歧。那么這樣就結(jié)束了爭(zhēng)論嗎？

　　盡管「計(jì)算機(jī)」的通俗用法很簡(jiǎn)單——「人造設(shè)備（筆記本電腦，智能手機(jī)等）對(duì)輸入進(jìn)行順序處理以產(chǎn)生輸出」，但計(jì)算機(jī)科學(xué)中的概念卻并非如此。作者對(duì)計(jì)算機(jī)科學(xué)中「計(jì)算機(jī)」的概念進(jìn)行了深入分析，這個(gè)定義基于其他兩個(gè)概念，「算法」和「可計(jì)算函數(shù)」。「算法」可以非正式地定義為一系列有限的邏輯步驟，機(jī)械地解決問題?！缚捎?jì)算函數(shù)」是「任何值可以使用算法確定的函數(shù)」。算法的正式定義是分別由數(shù)學(xué)家Alan Turing和Alonzo Church于1936-1937年獨(dú)立發(fā)展的，作者介紹了Church-Turing論題。

　　作者提供了「計(jì)算機(jī)」的正式定義：一種「物理機(jī)器，可以實(shí)現(xiàn)算法以解決可計(jì)算函數(shù)」（a physical machinery that can implement algorithms in order to solve computable functions.）。他們強(qiáng)調(diào)這個(gè)定義「非常重要，因?yàn)樗怯?jì)算神經(jīng)科學(xué)和人工智能研究的基礎(chǔ)」。作者還描述了這個(gè)定義在大腦方面的應(yīng)用，并討論了其局限性。

　　總之，Richards 和 Lillicrap 希望我們對(duì)比計(jì)算機(jī)科學(xué)內(nèi)外兩個(gè)定義。如果采用計(jì)算機(jī)科學(xué)的定義，「人們可以……簡(jiǎn)單地問，大腦是什么類型的計(jì)算機(jī)？」然而，「……如果采用計(jì)算機(jī)科學(xué)之外的定義，那么大腦就不是計(jì)算機(jī)，而且可以說，計(jì)算機(jī)是大腦的一種非常糟糕的隱喻。」

　　人類大腦的一個(gè)特性是能夠意識(shí)到自身的存在。這似乎是與其他標(biāo)準(zhǔn)機(jī)器（包括計(jì)算機(jī)）的一個(gè)顯而易見的不同。Fraser和他的合作者（Fraser，本期）通過自我參照陳述（self-reference statements）為此提出了有力的論據(jù)，這些陳述無法被計(jì)算機(jī)解決。他們明確地陳述了這個(gè)案例：像「現(xiàn)在說的這句話是假的」這樣的口頭陳述被我們的大腦「理解」了。然而，計(jì)算機(jī)面對(duì)這種陳述時(shí)，會(huì)陷入一個(gè)「無限循環(huán)」。大腦是如何處理上述悖論的呢？Fraser等人提出了一個(gè)優(yōu)雅的動(dòng)力學(xué)模型（dynamical model），其中大腦由相互作用的單元（模塊）組成，它們沿著時(shí)間軸運(yùn)動(dòng)（奇異循環(huán)模型 strange loop model，指在層級(jí)系統(tǒng)中單向移動(dòng)時(shí)能回到起點(diǎn)）。該模型提出了大腦處理/解決悖論的一種方法，即通過將不一致性的分析延伸到時(shí)間上（沿著這個(gè)軸解卷deconvolute）。大腦能夠通過時(shí)域化（temporalize）應(yīng)對(duì)這個(gè)悖論。這避免了系統(tǒng)（大腦）陷入無限循環(huán)中。

　　圖3. 在時(shí)間中展開自我參照可以被想象為展開一個(gè)被多次打包成螺旋狀的圓，其中時(shí)間維度對(duì)應(yīng)于螺旋狀的長(zhǎng)維度。等價(jià)地，它可以被想象為圓偏振光的演化。

　　通用人工智能的基本局限性Roli、Jaeger和Kauffman的焦點(diǎn)放在了人工智能（AI）和人工生命（Artificial Life，Alife）領(lǐng)域。自然智能和通用人工智能（AGI）的概念被對(duì)比，后者被定義為「把『分析、創(chuàng)造和實(shí)踐智能』相結(jié)合的能力」。AI和Alife的最終目標(biāo)是創(chuàng)建一個(gè)計(jì)算機(jī)或機(jī)械系統(tǒng)（AI-ALife-agent；例如，機(jī)器人），能夠自主地（即無需人類干預(yù)）識(shí)別、評(píng)估和利用新的替代機(jī)會(huì)（稱為可供性 affordances），以便以類似于自然生物（自主生物體）的方式進(jìn)化和創(chuàng)新。這里定義的可供性是指「達(dá)成目標(biāo)的機(jī)會(huì)或障礙」。作者認(rèn)為，當(dāng)前的AI算法不允許AI和Alife智能體「以與自然進(jìn)化等同的方式進(jìn)化和創(chuàng)新」，因?yàn)樗鼈儫o法超越其預(yù)定義的可能性空間（space of possibilities，由人類設(shè)計(jì)者確定）。此外，他們還表明，在生物學(xué)和AI研究中，「智能體」這個(gè)術(shù)語指的是根本不同的概念。

　　作為對(duì)他們立場(chǎng)的可能反對(duì)意見，作者提到了（i）深度學(xué)習(xí)算法和（ii）人工智能系統(tǒng)的不可預(yù)測(cè)性（例如，下棋、創(chuàng)作音樂）；他們對(duì)這兩個(gè)問題進(jìn)行了回應(yīng)并予以駁斥。

　　最后，作者引用了William Byers和Roger Penrose的工作，使用數(shù)學(xué)創(chuàng)造力的概念區(qū)分了自然智能和人工智能的能力，這種創(chuàng)造力「不是來自算法思維（algorithmic thought ）而是通過洞察力（insight）產(chǎn)生的」，這種區(qū)分不是正式的，涉及到框架的轉(zhuǎn)換。

　　Danchin和Fenton的論文將神經(jīng)生物學(xué)和計(jì)算機(jī)科學(xué)的概念進(jìn)行了相關(guān)性分析。論文還繪制了計(jì)算、基因組學(xué)和物種進(jìn)化之間的相似之處。該論文的重點(diǎn)（在標(biāo)題中明確說明）是圍繞圖靈機(jī)（TM）的概念建立的；論文的一部分專門討論了這一概念。值得注意的是，圖靈機(jī)概念也被轉(zhuǎn)化（transpose）到了生物學(xué)領(lǐng)域中。

　　為了探索大腦和計(jì)算機(jī)之間的潛在類比，首先需要解決一個(gè)語義問題：計(jì)算的定義。論文對(duì)比了模擬計(jì)算和數(shù)字計(jì)算的差異，強(qiáng)調(diào)

　?。╢eedback）和前饋（feedforward）回路，而數(shù)字計(jì)算則利用了遞歸過程（recursive process）。遞歸是這篇論文的一個(gè)核心概念，它是圖靈機(jī)數(shù)字世界的一個(gè)特征。遞歸允許一個(gè)過程的一步（例如，圖靈機(jī)的一組規(guī)則）調(diào)用自身?！笝C(jī)械裝置通常是確定性的和可預(yù)測(cè)的，而涉及遞歸的計(jì)算是確定性的，但不一定是可預(yù)測(cè)的?！勾竽X確實(shí)進(jìn)行某種形式的計(jì)算，「具有顯著的效率，但這種計(jì)算基于細(xì)胞組成的網(wǎng)絡(luò)結(jié)構(gòu)，這些細(xì)胞組織成相互疊加的層，這賦予表面積/體積比例的重要性……這種計(jì)算屬于模擬計(jì)算家族」（A. Danchin）。在一張非常實(shí)用的表格中，作者比較了圖靈機(jī)、數(shù)字計(jì)算機(jī)和人腦的關(guān)鍵特征。作者得出結(jié)論，大腦不是數(shù)字計(jì)算機(jī)。然而，他們推測(cè)，在人類的進(jìn)化時(shí)間跨度上，最近的語言的發(fā)明（尤其是寫作的發(fā)明，大約在6000年前）可能構(gòu)成了將「人腦進(jìn)化為真正（但緩慢）的圖靈機(jī)」的一步。

　　戴維斯的簡(jiǎn)短論文提出了一系列與腦機(jī)類比相關(guān)的問題。他的重點(diǎn)在于大腦過程的編程。大腦用什么樣的算法在世界中導(dǎo)航？計(jì)算機(jī)能否模擬這些算法？戴維斯建議，現(xiàn)代優(yōu)化算法（網(wǎng)絡(luò)訓(xùn)練）應(yīng)該提供了一條途徑，可以改進(jìn)較早的數(shù)值計(jì)算。他最后提出了一個(gè)引人注目的假設(shè)：意識(shí)可能起到「大腦操作系統(tǒng)的接口」的作用。這絕對(duì)是計(jì)算機(jī)和人工智能領(lǐng)域尚未解決的問題。

　　Carlos Gershenson在這篇論文中引入了一種不同的視角，通過將智能的概念，特別是群體（集群）智能與信息處理理論聯(lián)系起來。

　　這篇論文的主要觀點(diǎn)在標(biāo)題中已經(jīng)表明：它關(guān)注以信息處理為基礎(chǔ)的智能研究。這種方法可以應(yīng)用于大腦（單個(gè)和集體）和機(jī)器。

　　首要的問題是：人們對(duì)智能沒有達(dá)成共識(shí)的定義，語義問題再次浮現(xiàn)。Gershenson將智能的定義建立在信息處理的基礎(chǔ)之上：「如果一個(gè)智能體能使用信息提高其『滿意度』，則可以將其描述為智能…目標(biāo)包括可持續(xù)性、生存、幸福、權(quán)力、控制和理解?！?在之前的工作中，Gershenson建議使用信息的度量（measures of information）作為研究復(fù)雜性、涌現(xiàn)（emergence）、自組織（self-organization）、穩(wěn)態(tài)（homeostasis）和自生系統(tǒng)（autopoiesis）的工具（Fernandez，2014）；在這里，他旨在將這種方法擴(kuò)展到認(rèn)知系統(tǒng)，包括大腦和計(jì)算機(jī)。

　　信息是一個(gè)新的語義挑戰(zhàn)。Gershenson在引用Shannon的經(jīng)典作品時(shí)提出了信息的定義。我們的注意力集中在正在傳輸?shù)男畔⒌囊饬x上；在這種情況下，拉普拉斯妖（Laplace daemon）的失?。ㄗg者注：即「決定論」的失?。?，有助于確定生物學(xué)及其他學(xué)科中一個(gè)關(guān)鍵的、被忽視的概念：各種尺度和參照系的存在應(yīng)改變用于解釋某一特定現(xiàn)象的模型和假設(shè)?！讣词雇耆老到y(tǒng)組成部分的狀態(tài)，預(yù)測(cè)也是有限的，因?yàn)橄嗷プ饔脮?huì)產(chǎn)生新的信息。」

　　本文中提出了有關(guān)「單一大腦」的智能和的集群的集體智能之間的刺激性比較。以昆蟲群體為例，它們可以被描述為信息處理系統(tǒng)，其處理是分布式的。Gershenson比較了大腦和集群的認(rèn)知架構(gòu)，并確定了兩者之間的關(guān)鍵特征：「大腦信息處理的速度和可擴(kuò)展性比群體高得多：神經(jīng)元可以在毫秒的時(shí)間尺度內(nèi)相互作用，而昆蟲在秒的時(shí)間尺度內(nèi)相互作用，實(shí)際上這極大地限制了集群在信息處理方面的能力?！?/p>

　　最后，「智能作為信息處理」的思路被用作一種隱喻，以理解其演化和生態(tài)。關(guān)于生態(tài)（選擇性）壓力對(duì)智能的演化和生態(tài)系統(tǒng)復(fù)雜性的影響，作者的可能會(huì)有不同的觀點(diǎn)。

　　總之，雖然「將大腦比作計(jì)算機(jī)的隱喻不適用于研究普遍的集體智能（collective intelligence），更不用說集群智能（swarm intelligence）了……」，但是因?yàn)椤赣?jì)算可以被理解為信息的轉(zhuǎn)化（Gershenson，2012），廣義上理解為處理信息的機(jī)器可以是一個(gè)有用的隱喻……」

　　Graham在比較大腦和計(jì)算機(jī)時(shí)引入了一個(gè)更復(fù)雜的元素。他指出，我們不應(yīng)該將大腦與一臺(tái)計(jì)算機(jī)進(jìn)行比較；實(shí)際上，后者的運(yùn)行更好地由相互連接的計(jì)算機(jī)集合（即互聯(lián)網(wǎng)）來代表。他指出了一個(gè)相關(guān)問題，即那些支持「強(qiáng)」大腦-計(jì)算機(jī)類比的人無法解決的信息路由問題（即信息在大腦和計(jì)算機(jī)內(nèi)的流動(dòng)方式，以及它如何從輸入指向輸出）。

　　Daniel Graham分析了計(jì)算機(jī)-大腦隱喻的適用性（另見Graham，2021）；它被實(shí)例化為他所稱的神經(jīng)元組件的「表征（representational）」視圖。根據(jù)Graham的說法，這個(gè)隱喻是有用的，但也是不完整的BOB半島。雖然他同意大腦進(jìn)行了一些「計(jì)算」，但他認(rèn)為大腦本身可以被看作是表征和通信活動(dòng)的結(jié)果。強(qiáng)調(diào)大腦中純數(shù)學(xué)運(yùn)算的重要性以及它們?cè)谏窠?jīng)元電氣脈沖模式中的轉(zhuǎn)換，并不能完全展示大腦在執(zhí)行任務(wù)時(shí)內(nèi)部發(fā)生的情況。不支持嚴(yán)格的計(jì)算機(jī)-大腦功能（表征）類比的原因之一是它沒有處理大腦神經(jīng)元網(wǎng)絡(luò)中信息流動(dòng)的關(guān)鍵問題。信息路由和電路的重塑超越了計(jì)算機(jī)隱喻的限制。Graham建議互聯(lián)網(wǎng)是我們（或任何人）大腦架構(gòu)和功能屬性的更好形象?；ヂ?lián)網(wǎng)是通過清晰的路由協(xié)議構(gòu)建的，具有高效的信息分布（稱為小網(wǎng)絡(luò)配置 small-network configuration，Sporns和Honey，2006；但請(qǐng)參見Hilgetag和Goulas，2016年的批判性觀點(diǎn)），以及它們連續(xù)的連通性重塑（以及生長(zhǎng)）。這些屬性應(yīng)該讓我們想起大腦如何被構(gòu)建以及大腦如何路由信息。整合信號(hào)處理和路由策略的觀點(diǎn)應(yīng)該給我們一個(gè)更細(xì)致的大腦活動(dòng)視圖。

　　就像科學(xué)假說一樣，隱喻和類比是短暫的，總是會(huì)隨著技術(shù)進(jìn)步而調(diào)整。大腦-計(jì)算機(jī)通常被稱為隱喻，但實(shí)際上應(yīng)該被視為類比。我們?cè)谶@里指出，隱喻和類比是兩個(gè)不同的概念，不能被用作同義詞（見上文）。雖然我們認(rèn)為隱喻的一個(gè)顯著特征是「視覺洞見（visual insight）」（具有生動(dòng)的視覺形象），但類比的概念主要與「功能」相關(guān)。簡(jiǎn)而言之，隱喻沒有解釋能力，而類比則有，因?yàn)樵趯?duì)一個(gè)系統(tǒng)的功能知識(shí)被遷移到類似的系統(tǒng)時(shí)，可以導(dǎo)致理解和發(fā)現(xiàn)。

　　腦機(jī)類比在科學(xué)界引發(fā)了激烈的爭(zhēng)論；一些人從字面意義上理解，而類比的含義只暗示了部分屬性的重疊。事實(shí)上，類比或隱喻很可能是不可避免的（并且經(jīng)常用作認(rèn)知工具；參見Lakoff和Johnson，1980；Gomez-Marin，2022）。隱喻根植于我們知道和/或操作的事物。在這個(gè)意義上，理解許多事物的唯一方法是用我們理解的術(shù)語描述現(xiàn)象。在從「物理現(xiàn)象」到「理解它」的過程中，隱喻/類比總是出現(xiàn)。我們假設(shè)只有那些由感官領(lǐng)悟的事物才能被認(rèn)為是「原始的（original）」（總是假定我們的感官?zèng)]有欺騙我們）。隱喻可能是我們「理解」的唯一東西BOB半島，這是因?yàn)樗鼈兏灿谖覀兊母行泽w驗(yàn)。Kuhn本人似乎承認(rèn)隱喻的重要性，他聲稱：「隱喻對(duì)于連接科學(xué)語言和世界非常重要，但是這些連接并不是永久性的。隨著理論的變化，相關(guān)的隱喻和連接科學(xué)術(shù)語和自然的相似性網(wǎng)絡(luò)的部分也在變化」（1993）。

　　在這種情況下，問隱喻和類比是否真正有用或具誤導(dǎo)性是錯(cuò)誤的問題。Yohan (2012)恰當(dāng)?shù)刂赋觯骸笡]有人能聲稱知道隱喻是如何起作用的……我們?nèi)绾涡纬伤鼈?，以及我們?nèi)绾螞Q定它們是否成功?！?同樣的道理，我們確信隱喻和類比是否「正確或錯(cuò)誤」對(duì)它們?cè)诳茖W(xué)中的作用是完全無關(guān)緊要的。這種態(tài)度的一個(gè)絕妙例子來自于Niels Bohr的馬蹄鐵軼事（horseshoe anecdote）：一個(gè)朋友問他是否相信家門上掛著的馬蹄鐵會(huì)帶來好運(yùn)。Bohr回答說「絕對(duì)不！」，朋友回答：「但是他們說，即使你不相信它，它也能起作用?！?/p>

　　此外，從數(shù)學(xué)的角度來看，威廉·拜爾斯（William Byers）認(rèn)為，「許多重要的數(shù)學(xué)思想本質(zhì)上是隱喻性的」，并強(qiáng)調(diào)「隱喻和思想之間的密切關(guān)系。隱喻就像思想一樣，源于創(chuàng)造性的行為」（Byers，2010，第240頁(yè)）。此外，Byers指出：「通常情況下，大多數(shù)籠統(tǒng)的猜想（sweeping conjectures）在被研究期間就被證明是「錯(cuò)誤」的，因?yàn)樗鼈冃枰薷?。盡管如此，它們?nèi)匀豢赡芊浅Ｓ袃r(jià)值。整個(gè)數(shù)學(xué)研究通常都是這樣進(jìn)行的——充滿靈感的錯(cuò)誤之路……即使是「錯(cuò)誤」的思想仍然可以有價(jià)值。」

　　本專題的一些文章涉及到在神經(jīng)科學(xué)和計(jì)算機(jī)科學(xué)之間的交叉領(lǐng)域中對(duì)隱喻的使用。在這個(gè)背景下，需要再次強(qiáng)調(diào)，隱喻在本質(zhì)上是必不可少的，但是隱喻也是暫時(shí)的，因?yàn)樾碌?、更新的?shù)據(jù)可能會(huì)導(dǎo)致對(duì)其他隱喻的闡述（或先前版本的迭代版本）更加適合當(dāng)前情況。此外，在沒有新數(shù)據(jù)積累的情況下，社會(huì)學(xué)或認(rèn)識(shí)論的變化在某些時(shí)候也可能是新隱喻的來源。此外，Gershenson 提醒我們，在學(xué)科內(nèi)部，不同的隱喻可以用于不同的目的和不同的環(huán)境中。例如，利用唯一的隱喻（如下文所述）可能不是解釋某些復(fù)雜結(jié)構(gòu)（比如大腦）最有效的途徑。

　　在前面的段落中，我們提出了兩個(gè)特征，可用于表征和區(qū)分隱喻和類比。在我們看來，隱喻是從一種視覺形象發(fā)展而來的，這種形象提供科學(xué)洞察力的創(chuàng)造性力量。再次引用數(shù)學(xué)方面的觀點(diǎn)，Ivar Ekeland強(qiáng)調(diào)了數(shù)學(xué)思想與「某些圖像」的關(guān)系以及這些圖像的力量：「在科學(xué)的歷史發(fā)展中，某些視覺表達(dá)方式可以成為產(chǎn)生新的和成功的想法的有用工具。在早期階段，當(dāng)它傳達(dá)的思想仍然是創(chuàng)新和成功的，它有推動(dòng)進(jìn)步的力量；而當(dāng)推動(dòng)力消失，舊理論的重復(fù)阻止新思想出現(xiàn)時(shí)，它就變成了一種阻礙的力量」（Ekeland，1988，第9頁(yè)）。

　　正如丹尼斯·諾布爾所說：「不同、甚至相互競(jìng)爭(zhēng)的隱喻可以闡明同一情況的不同方面，盡管這些隱喻本身可能不兼容，但每個(gè)隱喻都可能是正確的?！[喻之間在啟發(fā)性、簡(jiǎn)單性、美感、創(chuàng)造力等標(biāo)準(zhǔn)上展開競(jìng)爭(zhēng)。隱喻的創(chuàng)造是一門藝術(shù)而不是一門科學(xué)，就像其他藝術(shù)形式一樣，藝術(shù)家不一定是最好的解釋者」（Noble，2006）。我們完全贊同這些觀點(diǎn)。

　　至于類比，我們認(rèn)為「功能」這一標(biāo)準(zhǔn)可能被視為其最具特征的屬性，這是一種具有解釋力的屬性。例如，在這個(gè)專題中，Daniel Graham提出了互聯(lián)網(wǎng)作為大腦的一個(gè)新隱喻。根據(jù)我們的定義（見上文），在這種情況下，互聯(lián)網(wǎng)既起到了隱喻的作用，又起到了類比的作用。

　　在這一節(jié)的結(jié)尾，我們需要謹(jǐn)慎地指出，由于與學(xué)習(xí)或?qū)で蠼忉屜嚓P(guān)的心理因素，使用隱喻可能是不可避免和必要的（Hoffman，1980）。不使用隱喻的替代方案將導(dǎo)致對(duì)事實(shí)的簡(jiǎn)單描述。在心靈哲學(xué)（或我們?cè)谶@里的討論）中，這意味著對(duì)大腦中生理狀態(tài)的「純」描述。無論這個(gè)描述是否有任何「信息內(nèi)容（information content）」，本綜述的作者認(rèn)為，它非常少，甚至沒有。我們無法設(shè)想在科學(xué)中使用隱喻的任何有效的替代方法。

　　我們想強(qiáng)調(diào)的一種觀念是將大腦視為一個(gè)可以在「不同尺度」上進(jìn)行分析的結(jié)構(gòu)，該結(jié)構(gòu)的功能可能分布在不同領(lǐng)域，并涉及不同組件。在這個(gè)意義上，我們認(rèn)為尋找「大腦的終極理論」是錯(cuò)誤的，因?yàn)楦玫拿枋鰬?yīng)該包括關(guān)于如何建立和整合不同層次的結(jié)構(gòu)組織（包括各種功能域 functional domains）的解釋。正如下文所述，探索「大腦的不同理論」可能更為合適BOB半島，這也是我們下面提出的探索性努力的更合適的名稱。

　　在這種情況下，我們想通過系統(tǒng)方法，用一種不同的視角分析腦機(jī)類比。其中，每一種類比對(duì)應(yīng)著不同的組織水平。我們認(rèn)為，一種試圖類比組件（components，或模塊 modules，見下文）的理論應(yīng)比涵蓋復(fù)雜結(jié)構(gòu)（如大腦）的單一理論更具生產(chǎn)力。這里的基本假設(shè)是，大腦是組件/模塊的（非線性）總和，這些組件/模塊并置（juxtaposed）以執(zhí)行或推進(jìn)某些心理任務(wù)。這不是毫無根據(jù)的假設(shè)，因?yàn)楫?dāng)前的神經(jīng)科學(xué)數(shù)據(jù)已經(jīng)證明了大腦中許多結(jié)構(gòu)的模塊化，它們都是進(jìn)化的歷史產(chǎn)物。從神經(jīng)元亞型的共性到特定神經(jīng)元回路的保守性或皮層區(qū)域的分布，許多動(dòng)物的大腦都共享中都存在負(fù)責(zé)特定功能的結(jié)構(gòu)，這種特性已被認(rèn)為是跨類同源（homologous across taxa）的（Schlosser, 2018; Barsotti et al.，2021; Tosches, 2021）。

　　實(shí)際上，大腦和其他器官或組織一樣，在不同層次上有不同的組織結(jié)構(gòu)，一個(gè)層次上的模塊對(duì)下一層做出貢獻(xiàn)；這暗示著一個(gè)平行的討論，即類比大腦結(jié)構(gòu)和更經(jīng)典的跨尺度生物同源性討論（蛋白質(zhì)、細(xì)胞、器官等）。（參看《》）

　　在這個(gè)框架中，大腦的層次化結(jié)構(gòu)使我們重新關(guān)注最能代表不同尺度的類比（即在一個(gè)層次上是計(jì)算機(jī)，在另一個(gè)層次上是收音機(jī)，在下面是全息照片，在上面是互聯(lián)網(wǎng)等）。這并不意味著將整個(gè)大腦的問題擱置一邊，而是找到更好的（有用的）類比，以代表參與其構(gòu)建的那些較低級(jí)別的模塊，并將模塊用作已被認(rèn)可的功能單元（例如神經(jīng)元或神經(jīng)回路）。這里需要引入一個(gè)警示性的注釋：我們并不聲稱對(duì)大腦模塊化的解釋是有力/嚴(yán)格的，因?yàn)槲覀冎来竽X有明顯的分布式功能和可塑性，以及隨時(shí)間變化的刺激表征。實(shí)際上，模塊的分布式和靈活組織特性使我們能夠集成各個(gè)層次。

　　從某種意義上說，正如Cobb所解釋的那樣，我們對(duì)大腦發(fā)育和其功能的假設(shè)在每個(gè)歷史時(shí)期都依賴于那時(shí)對(duì)該系統(tǒng)的認(rèn)識(shí)，如液壓學(xué)和電學(xué)的發(fā)展帶來了對(duì)大腦印象的同步更新。計(jì)算和算法推進(jìn)了對(duì)大腦計(jì)算思想的發(fā)展，盡管后來的觀點(diǎn)認(rèn)為復(fù)雜的計(jì)算是在單個(gè)神經(jīng)元的突觸上進(jìn)行的。類比有時(shí)從一個(gè)層次變化到另一個(gè)層次，上述的大腦計(jì)算形象就是一個(gè)例子。同理，網(wǎng)絡(luò)類比從少數(shù)神經(jīng)元的局部連接（反射?。┺D(zhuǎn)變到涉及特定任務(wù)的大腦區(qū)域，再到整個(gè)大腦或其群體。

　　總之，我們建議重新評(píng)估我們使用類比的方式，以便更好地了解每個(gè)層次是如何組織的，以及在特定層次集成不同模塊如何產(chǎn)生更高層次的（涌現(xiàn)）特性。此外，我們鼓勵(lì)引入不同的類比，以最好地代表不同層次的建構(gòu)（這也許能解釋復(fù)雜系統(tǒng)中的每個(gè)單一組件，避免總體類比的陷阱）。我們應(yīng)該注意到，在生物有機(jī)體構(gòu)建的「部分（parts）」可以歸因于偶然性（漂移）、物理化學(xué)規(guī)律（自組織）、涌現(xiàn)現(xiàn)象或適應(yīng)性過程。所有這些構(gòu)建原則與我們對(duì)有機(jī)體的純結(jié)構(gòu)觀點(diǎn)沒有任何關(guān)系。在這里，我們的建議基于對(duì)結(jié)構(gòu)本身的多層次分析，但不涉及它們的發(fā)展性組裝。也許可以在未來考慮這種最后的近似，它以類比搜索的精煉形式出現(xiàn)。

　　在本期特刊中，我們?yōu)槭裁磳?duì)創(chuàng)造力（creativity）感興趣？因?yàn)槿绻覀儐枴赣?jì)算機(jī)能思考嗎？」，接下來的問題就應(yīng)該是「計(jì)算機(jī)能創(chuàng)造嗎？」，而創(chuàng)造行為（不論是在科學(xué)還是藝術(shù)方面）源自對(duì)美學(xué)元素（esthetic element）的認(rèn)識(shí)。對(duì)創(chuàng)造力及其源頭的思考有著悠久的歷史，雖然哲學(xué)家們對(duì)創(chuàng)造力的定義和內(nèi)容仍未達(dá)成共識(shí)（參見 Erden， 2010），但一些原則（tenet）被公認(rèn)為與創(chuàng)造性行為有關(guān)（如自由、潛力、獨(dú)創(chuàng)性等）。此外，一些哲學(xué)家還認(rèn)為，創(chuàng)造，實(shí)際上是一個(gè)有一些特定要求的過程（McGilchrist，2021）。這些要求包括（i）創(chuàng)造力（允許想法產(chǎn)生；識(shí)別模式等）（ii）寬容（作為想法進(jìn)一步發(fā)展的條件）以及（iii）轉(zhuǎn)化傾向（將洞察力延續(xù)一段時(shí)間，直到最終的「創(chuàng)造性行為」）。這些并不是其他（不一定具有創(chuàng)造性的）過程的組成部分（例如解決問題）。從后一種意義上說，“創(chuàng)作過程背后沒有算法”已經(jīng)得到了證明。許多作者都認(rèn)為，隱喻可以擴(kuò)展創(chuàng)造性思維，也就是說，對(duì)隱喻的分析成為理解科學(xué)創(chuàng)造力的關(guān)鍵組成部分。那么，我們?nèi)绾芜M(jìn)行分析？

　　對(duì)隱喻和類比的分析，其基礎(chǔ)在于理解它們的來源。創(chuàng)造力顯然是一個(gè)來源。但是，「真正的創(chuàng)造力」在科學(xué)中的來源是什么呢？毋庸置疑，科學(xué)史告訴我們，機(jī)遇（chance）在科學(xué)創(chuàng)造力中起著重要作用，并將繼續(xù)發(fā)揮作用。除了傳統(tǒng)觀點(diǎn)，近年來還探索了更具創(chuàng)新性的路徑。這是對(duì)大腦-計(jì)算機(jī)隱喻討論的一個(gè)重要議題。

　　在形式（formal）科學(xué)和自然科學(xué)中，關(guān)于創(chuàng)造力的問題已經(jīng)被廣泛地討論，它們主要集中在數(shù)學(xué)和物理學(xué)領(lǐng)域。數(shù)學(xué)家William Byers區(qū)分了數(shù)學(xué)中的兩種思維類型：算法思維（基于邏輯運(yùn)算）是平凡（trivial）的，而深刻的思維則是具有創(chuàng)造性的（Byers，2010）。

　　Byers提出了一些深刻的問題：「計(jì)算機(jī)能否被編程來區(qū)分瑣碎的和深刻的事物？」……「計(jì)算機(jī)能做數(shù)學(xué)嗎？」……「數(shù)學(xué)是算法嗎？」 因此，他不可避免地面臨「問題（THE question）」，這個(gè)問題最初是圖靈在1950年提出的：「計(jì)算機(jī)能思考嗎？」他說「……相當(dāng)于問題是：[人類]的思想能用算法表示嗎？」 如果按照Byers的說法，「人類的創(chuàng)造力涉及到思想（idea）、歧義（ambiguity）、悖論（paradox）、深度和復(fù)雜性」，那么創(chuàng)造力的行為（這是一個(gè)非常罕見的事件）可以類比于生物進(jìn)化事件，因?yàn)椋ㄕ缫恍┳髡咚赋龅哪菢樱┎豢赡茴A(yù)測(cè)思想將來如何發(fā)展。思想似乎隨著時(shí)間的推移、通過文化（culture）進(jìn)一步發(fā)展（Gabora & Kaufman, 2010）。

　　我們?cè)谶@里提議考慮創(chuàng)造力的另一個(gè)方面，我們認(rèn)為這個(gè)方面非常相關(guān)，但仍然沒有得到充分的認(rèn)可：

　?。╝mazement，法語中稱為émerveillement）。這種感覺可能是喚醒科學(xué)家并啟發(fā)他/她思考的必要和充分條件。此外，我們還想提出，在可能的「émerveillement」的促進(jìn)下，科學(xué)創(chuàng)造力可能取決于來自不同學(xué)科的觀點(diǎn)的整合（許多科學(xué)家在被問及自己的工作時(shí)已經(jīng)提到了這一點(diǎn)）。在這種情況下，我們推測(cè)，從一個(gè)領(lǐng)域向另一個(gè)領(lǐng)域「轉(zhuǎn)移隱喻（transferring metaphors）」可能是新思想的優(yōu)秀來源，也有助于創(chuàng)造性的行為。在一個(gè)領(lǐng)域作為理解工具的隱喻應(yīng)該能夠?qū)α硪粋€(gè)領(lǐng)域的其他現(xiàn)實(shí)方面有所啟示。這種思維上的「轉(zhuǎn)移」可以是有成果的，并因此導(dǎo)致對(duì)不相關(guān)現(xiàn)象的「理解」。在腦機(jī)類比的背景下，人類創(chuàng)造力與「人工智能創(chuàng)造力」的比較自然而然地出現(xiàn)。爭(zhēng)論人工智能是否在人類創(chuàng)造力中發(fā)揮作用，無疑是時(shí)代所需。

　　很顯然，人類創(chuàng)造力受文化傳統(tǒng)（語境）或不同思想之間的聯(lián)系（即來自不同/不同領(lǐng)域的思想）的影響。這可能表明，人工智能在模仿人類創(chuàng)造力的過程上存在一些固有的困難。

　　按照上述說法，我們可以說，計(jì)算機(jī)不具備創(chuàng)造力，無法產(chǎn)生「創(chuàng)造性行為」，因?yàn)閯?chuàng)造可能不是純粹的算法過程。

　　正如Byers（2010）支持人類創(chuàng)造力的優(yōu)越性的文字：「數(shù)學(xué)思維可以很簡(jiǎn)單，也可以很復(fù)雜，但大多數(shù)情況下是不平凡的。另一方面，計(jì)算機(jī)思維可能非常冗長(zhǎng)和復(fù)雜，但它本質(zhì)上仍是平凡的?！?Roli等人也支持在數(shù)學(xué)中的創(chuàng)造力「...并不是來自算法思維，而是通過洞察力獲得的」，基于這樣的論點(diǎn)，即由人類設(shè)計(jì)的人工智能算法對(duì)新的參考框架，無法識(shí)別、評(píng)估和利用（適應(yīng)于）新的「環(huán)境」選擇（稱為affordances）（Roli等人，2022）。

　　支持AI潛力的人描述了它在自主創(chuàng)意過程或在人類干預(yù)下的表現(xiàn)，主要在寫作、音樂和繪畫等領(lǐng)域（例如，Zylinska，2020；Jukebox，）但在科學(xué)發(fā)現(xiàn)中也有涉及（例如，通過機(jī)器和深度學(xué)習(xí)技術(shù)進(jìn)行蛋白質(zhì)折疊預(yù)測(cè)；參見Gil et al.，2014和Callaway，2020）。

　　其他作者持更加樂觀的看法，認(rèn)為AI可以具備創(chuàng)造力（例如Boden，2003; Forbes，2020）。這些作者根據(jù)經(jīng)典心理學(xué)原則（例如Boden，1992）認(rèn)為創(chuàng)造力具有不同的來源，并將其分類為：組合性創(chuàng)造力（結(jié)合熟悉的想法；例如詩(shī)意的形象）、探索性創(chuàng)造力（在文化傳統(tǒng)中出現(xiàn)；例如烹飪食譜）和變革性創(chuàng)造力（打破舊規(guī)則；例如立體主義）。雖然組合性和探索性創(chuàng)造力的組成部分可以被AI模仿，但計(jì)算中變革性創(chuàng)造力的可能性對(duì)AI來說似乎更為棘手。打破規(guī)則似乎是人類特有的能力，因?yàn)閷?duì)這些新規(guī)則的最終接受取決于「價(jià)值判斷」（只有滿足某些新需求的結(jié)果才被納入）。當(dāng)然，擁有進(jìn)化機(jī)制（具有選擇性機(jī)制）的程序現(xiàn)在已經(jīng)成為現(xiàn)實(shí)，這使得「變革（transformation）」成為可能。在這里，價(jià)值是一個(gè)重要的選擇因素，但AI目前很難實(shí)現(xiàn)。我們應(yīng)該記住，批判性思維仍然是創(chuàng)造過程的核心。人類能夠?qū)彶樗麄兊南敕?創(chuàng)作，計(jì)算機(jī)則不能?？傊?，這些作者建議，通過確立大腦可能是一個(gè)精妙復(fù)雜的機(jī)器的觀點(diǎn)，最終摒棄笛卡爾的心物二元論（Cartesian dualism，譯者注：笛卡爾的心物二元論是一種認(rèn)為心靈和物質(zhì)是兩種完全不同的實(shí)體，互不相干、各自獨(dú)立、平行存在的本體論學(xué)說。心靈的本質(zhì)是思想，根據(jù)自由意志而活動(dòng)；物質(zhì)的本質(zhì)是廣延，遵循自然規(guī)律而運(yùn)動(dòng)。笛卡爾提出這種觀點(diǎn)是為了把物質(zhì)限定在可以用數(shù)學(xué)模型描述的范圍內(nèi)，而把思想作為一種無形體，脫離身體和客觀世界的存在）。

　　盡管存在這些觀點(diǎn)，但每個(gè)科學(xué)家似乎都同意，在當(dāng)前的人工智能發(fā)展?fàn)顩r下，我們的「機(jī)器」模仿人類創(chuàng)造力的能力現(xiàn)在仍然相當(dāng)有限，盡管未來可能會(huì)迅速改變我們的觀點(diǎn)。總之，當(dāng)討論與本特刊相關(guān)的隱喻時(shí)，應(yīng)將創(chuàng)造力納入關(guān)鍵概念。

　　在這篇綜述文章的結(jié)尾，我們還要提到的是：不應(yīng)忽視美（以及一般美學(xué)）在科學(xué)創(chuàng)造力中的作用。

　　。評(píng)價(jià)創(chuàng)造力總是需要美的評(píng)判。例如，根據(jù)康德的經(jīng)典論述：「美學(xué)不是創(chuàng)造力的目標(biāo)，而是其基本組成部分?！箶?shù)學(xué)家和物理學(xué)家們承認(rèn)美（以及美學(xué)）在科學(xué)中的至關(guān)重要性，他們包括G·W·萊布尼茲（G. W. Leibniz）、亨利·龐加萊（H. Poincaré）、阿爾伯特·愛因斯坦（A. Einstein）、G·H·哈代（G. H. Hardy）、P·A·M·狄拉克（P. A. M. Dirac）、M·蓋爾曼（M. Gell-Mann）等人。1910年，龐加萊寫道：「…… 數(shù)學(xué)美感、數(shù)字和形式的和諧感、幾何優(yōu)雅感。這是一種真正的審美感覺，所有真正的數(shù)學(xué)家都知道，它肯定屬于情感靈敏度。那么，我們認(rèn)為具有美感和優(yōu)雅感的數(shù)學(xué)實(shí)體是什么，它們能夠在我們中引起某種美學(xué)情感？」（龐加萊，1910）。狄拉克在一句著名而常被引用的話中大膽地說：「在公式中具有美感比公式能夠擬合實(shí)驗(yàn)更加重要」（狄拉克，1963）。在哈代的話中：「數(shù)學(xué)家的圖案，就像畫家或詩(shī)人的圖案一樣，必須是美麗的?！棺詈螅寺髁x英國(guó)詩(shī)人濟(jì)慈（John Keats）通過兩行極具影響力的詩(shī)句完美地概括了美學(xué)方法對(duì)人類知識(shí)的普遍性：「想象中的美麗必須是線），「美是真理，真理是美。這是你們所知道的一切，也是你們需要知道的一切」（1884；引自Keats，2015）。最近，Yang and Lu（2022）探討了計(jì)算機(jī)科學(xué)、創(chuàng)造力和美學(xué)之間的關(guān)系，并提出了一種框架，使用計(jì)算方法將創(chuàng)造力和美學(xué)聯(lián)系起來。

　　很明顯，美的概念在不同文化和個(gè)體之間存在著很大差異，這是顯而易見的。實(shí)際上，我們通常認(rèn)為美學(xué)質(zhì)量（esthetic quality）的概念是難以捉摸的。但問題在于，正如著名畫家Bruegel的畫作「The blind conducts the blind」所寓意的那樣，每個(gè)人都在尋找「絕對(duì)」的美的定義，而這正是錯(cuò)誤之處。就科學(xué)而言，美的最關(guān)鍵的一點(diǎn)是，所有的美的含義和定義都是等價(jià)的，都能達(dá)到相同的目的：為科學(xué)發(fā)現(xiàn)指引道路。美是無法定義的，因?yàn)樗谟^察者的眼中，這并不重要。任何美學(xué)標(biāo)準(zhǔn)能夠發(fā)揮作用的機(jī)會(huì)都是不可忽視的。同樣，對(duì)于隱喻和類比也是如此。